GEKKO 本身不直接支持复数变量或 .conj() 方法，但可通过手动分离实部与虚部、分别建模来实现复数共轭——即保持实部不变、虚部取反，并确保所有优化逻辑兼容底层实数求解器。
gekko 本身不直接支持复数变量或 `.conj()` 方法，但可通过手动分离实部与虚部、分别建模来实现复数共轭——即保持实部不变、虚部取反，并确保所有优化逻辑兼容底层实数求解器。
在 GEKKO 中，所有变量和方程最终都需转化为实数形式，因为其底层调用的优化求解器（如 IPOPT、APOPT）仅支持实数域。因此，不能直接声明复数变量（如 m.Var(complex=1+2j)）或调用 .conj() 方法；必须显式将复数拆分为实部（real）和虚部（imaginary），并用 GEKKO 的实数变量分别表示。
要构造复数共轭，核心思路是：
- 设原复数为 $ z = r + i\,j $，其中 $ r $ 和 $ i $ 均为 GEKKO 实数变量；
- 其共轭 $ z^* = r - i\,j $，即实部 $ r $ 不变，虚部取负 $ -i $；
- 因此只需定义 r_conj = r 和 i_conj = m.Intermediate(-i) 即可完成共轭建模。
以下是一个典型示例：计算决策变量 $ x $ 的平方根（当 $ x < 0 $ 时结果为纯虚数），并最大化其共轭的虚部平方（等价于强化虚部幅值）：
from gekko import GEKKO
m = GEKKO()
x = m.Var(2, lb=-9, ub=16) # 决策变量 x ∈ [-9, 16]
b = m.if3(x, 0, 1) # 分段开关：x < 0 → b=0；x ≥ 0 → b=1
s = m.Intermediate(m.sqrt(m.abs3(x))) # sqrt(|x|)，避免负数开方报错
# 构造 sqrt(x) 的实虚部表达式
r = m.Intermediate(b * s) # x ≥ 0 时：实部 = sqrt(x)；x < 0 时：实部 = 0
i = m.Intermediate((1 - b) * s) # x < 0 时：虚部 = sqrt(|x|)；x ≥ 0 时：虚部 = 0
# 复数共轭：实部不变，虚部取反
r_conj = r
i_conj = m.Intermediate(-i)
# 优化目标：最大化共轭虚部的平方（增强虚部主导性）
m.Maximize(i_conj**2)
m.solve(disp=False)
print("Original: {:.1f} + {:.1f}j".format(r.value[0], i.value[0]))
print("Conjugate: {:.1f} + {:.1f}j".format(r_conj.value[0], i_conj.value[0]))运行结果为：
Original: 0.0 + 3.0j Conjugate: 0.0 + -3.0j
✅ 关键注意事项：
- 所有复数运算必须通过 m.Intermediate 显式构建，不可使用 Python 内置复数类型参与 GEKKO 符号计算；
- 条件逻辑（如 m.if3）用于处理实/虚分支，确保模型在可行域内处处可微或分段光滑；
- m.abs3 和 m.sqrt 等函数已适配自动微分，但输入必须为非负实数，故需配合 m.if3 或 m.sign3 进行安全封装；
- 若涉及复数乘法、模长或相位等运算，均需按 $ (a+bi)(c+di) = (ac-bd) + (ad+bc)i $ 等代数规则展开为实变量表达式。
综上，GEKKO 中的“复数共轭”本质是一种建模范式转换：放弃复数语法糖，拥抱实数结构化建模——这既是限制，也是确保优化鲁棒性与求解器兼容性的必要设计。
